인공지능이란? 역사도 함께 알아봐요

인공지능을 비즈니스로 활용하고 싶은 사람들을 위한 내용을 담아보았습니다. 최신 기술 정보에 근거해 인공 지능의 개요와 주목받는 이유, 역사와 과제 대해서 써보았습니다. 

인공지능 （AI：Artificial Intelligence）란

　인공지능이라고 하면, 영화에서 자주 볼 수 있도록 컴퓨터나 로봇 등의 두뇌를 떠올릴 것입니다. 광의에는 그 인식으로 틀림없다. 보다 기술적으로 표현한다면 인공지능 ( AI )은 인간이 하는 지적 활동을 컴퓨터 프로그램으로 실현하는 것입니다. 지적 활동이란 머리(엄밀하게는 뇌)로 생각하고 실행하는 활동 전반을 말합니다. 예를 들어 '그림 그리기', '말씀 인식', '게임하기' 등 모든 인간 행동이 이에 적용됩니다

---

인공지능(AI)의 실현 수준과 현상

　앞서 「광의에는」이라고 주의를 한 이유는, 현시점에서 인간의 두뇌와 같은 범용(은요)적인 AI (AGI:Artificial General Intelligence)는 아직 완성되어 있지 않기 때문입니다. 현시점에서 실현하고 있는 AI는 모두, 용도가 한정되는, 즉 기본적으로 1개의 지적 활동을 전문으로 실시하는 특화형의 AI 입니다. 예를 들면 「그림을 그린다」 「말을 인식한다」 「게임을 한다」의 모두가 할 수 있는 범용형 AI 가 아니고, 「그림을 그리는」AI나, 「말을 인식하는」AI, 「게임을 하는」AI라고 한다 이와 같이 개별 지적 활동(태스크)을 전문으로 하는 특화형 AI 가 지금은 개발되고 있다는 것입니다. 덧붙여서 범용형 AI와 특화형 AI는, 철학자 존 사르에 의해,

• 강한 AI = 범용형 AI
• 약한 AI = 특화형 AI

모두 명명되었습니다.

　물론 범용형 AI를 목표로 하는 연구는 행해지고 있습니다(후술하는 멀티 모달의 항에서 소개). 그렇다고는 해도, 특화형 AI에 비해 범용형 AI는 허들이 높고, 그 실현의 목적은 서 있지 않습니다.

 

 

인공지능(AI)이 주목받는 이유

　기술적인 면에서는 AI 연구에서 딥 러닝 ( 심층 학습 )이라는 혁신이 2006년에 일어난 것이 가장 중요한 계기입니다. 딥 러닝은 신경망 이라는 네트워크 구조를 가진 구조를 발전시킨 것입니다.

매일 50만 건의 경보를 어떻게 되나요?

　딥 러닝의 특징은 대량의 데이터에서 특정 문제를 해결하는 방법을 학습하는 것입니다. 이것은 예를 들어 아이가 개와 고양이를 기억하는 것과 비슷한 것을 표현하는 것이 좋습니다.

　이런 식으로 데이터로부터 기계적으로 학습하는 것을 기계 학습 이라고합니다 (그림 2). 기계 학습에는 딥 러닝 이외에, 예로부터 회귀 분석이나 주성분 분석, 결정 나무, 서포트 벡터 머신 등 많은 수법이 있습니다. 딥 러닝이 주목 받고 있는 가운데, 그 주변 영역인 기계 학습도 큰 주목을 받고 있습니다.

 

인공지능(AI)과 기계 학습과 딥 러닝의 관계

　딥 러닝의 등장에 의해 화상 인식의 정밀도(=성능)가 비약적으로 향상되어, 현재는 화상 인식의 특히 분류시의 정답률은 많은 장면에서 인간을 넘는 결과가 나와 있습니다( ※ 때에 따라서는 사람 더 떨어질 수 있습니다). 그 밖에 음성인식과 음성 합성, 이미지 생성, 번역, 문장 생성, 장기 등의 게임 플레이, 각종 예측 등 다방면에 딥 러닝이 활용되고 있습니다.

　지금도 딥러닝의 진화는 계속되고 있으며, 특히 2019년까지는 CNN 이라는 구조를 사용한 이미지 인식과 GAN 이라는 구조를 사용한 이미지 생성이 큰 성과를 내고 주목받고 있었습니다. 2020년 이후에는 BERT 나 GPT 라고 하는 구조를 사용한 자연언어 처리 의 브레이크스루가 계속되고 있습니다. 또, BERT/GPT의 베이스가 되는 Transformer 기술이 화상 인식 등의 다른 분야에 응용되어 왔으며, 또한 Transformer를 넘는 신기술의 연구도 진행되고 있습니다. 이러한 끊임없는 AI 기술의 진화도 AI에 대한 주목을 계속시키는 큰 요인입니다.

환경면

　또 기술을 지원하는 환경적인 배경으로서,

• 빅데이터 증대: 대량의 데이터가 필요한 딥러닝에 있어서 전세계에 넘치는 빅데이터가 도움이 되고 있는 것
• 컴퓨터의 고성능화: 대량의 데이터를 처리할 수 있게 되어 (CPU가 아닌) GPU에 의해 병렬 처리하는 기술도 확립하고 있는 것
• 딥 러닝이나 기계 학습을 위한 개발 라이브러리의 충실: PyTorch/TensorFlow/scikit-learn 등의 라이브러리가 등장하여 매우 간편하게 딥 러닝/기계 학습을 구현할 수 있게 되어 있는 것

를 들 수 있습니다.

인공지능(AI)의 역사와 현재의 과제

제1차 AI 붐(1950~1970년대)

　'인공지능'이라는 이름이 처음 제기된 것은 1956년의 다트머스 회의입니다. 여기에서 AI 연구가 본격적으로 시작되고, 1957년에는 신경망의 기반이 되는 퍼셉트론 이라는 개념이 고안되고 있습니다. 그로부터 20년 정도 AI 연구는 붐이 되었습니다. 이 시대에서는, 주로 「(미로나 퍼즐, 수학 정리의 증명등의) 추론·탐색」에 관한 연구가 행해졌습니다.

겨울 시대(1970년대)

　그 퍼셉트론입니다만 1960년대에 들어가면,토이 프로브렘(=미로나 오셀로와 같이 룰과 골이 정해져 있는 세계의 문제)밖에 풀 수 없는 것이 밝혀졌습니다. 이 한계에 실망해, AI 연구의 인기는 서서히 하화가 되어 갔습니다.

제2차 AI 붐(1980~1990년대)

　그러나 AI 연구는 1980년대에 들어가자 의료 등 특정 분야의 지식을 축적해 두고 질문에 답하는 전문가 시스템 이라는 기술을 만들어내고, 이것이 전세계 기업에서 붐이 되었습니다. 이 시대에는 주로 '지식'에 관한 연구가 이루어졌다.

　덧붙여서 신경망은 이 시대에 붐의 본류는 아니지만, 1986년에 역전파 라는 학습 알고리즘이 고안되는 등 발전하고 있습니다.

겨울 시대(1990~2000년대)

　그 전문가 시스템이지만 1990 년대에 들어가면 지식을 방대하게 넣을 필요가 있기 때문에 막대한 비용이 든다는 것이 밝혀졌습니다. 이 한계에 실망해, AI 연구의 인기는 다시 하화가 되어, 게다가 보다 긴 겨울의 시대를 맞이하게 되었습니다.

제3차 AI 붐(2010년대~현재)

　2006년에 딥 러닝이 등장한 것은 이미 소개했습니다만, 그 인기에 불을 붙인 것이, 2012년에 행해진 화상 인식 콘테스트 「ILSVRC」로 딥 러닝을 이용한 AI가 다른 AI의 인식 정밀도를 크게 상회한 것입니다. 이것이 세계적인 열광을 일으키고, 3번째의 AI 붐이 시작되어 지금도 계속중입니다. 이 시대에는 주로 '딥 러닝'과 '기계 학습'에 관한 연구가 진행되고 있습니다.

 

---

현재의 인공지능(AI)이 안고 있는 과제

　그러나 현재의 AI가 안고 있는 과제도 몇 가지 제기되고 있습니다. 2018년경까지는 AI가 인간을 초월하는 싱귤러리티라는 AI 위협론이 있었지만, 최근에는 톤 다운하고 있습니다. 2019년경부터는 AI의 학습용 데이터가 백인들에게 흑인이나 아시아인에게는 불리하다고 하는 인종 차별 문제 나, 유명인의 얼굴을 AI로 마음대로 움직이는 딥 페이크 문제, 그 밖에는 AI의 군사 이용 문제 등 주로 윤리면에서의 과제가 많이 분출되고 있습니다. 이러한 과제에 대처하기 위해 각 기업/조직이 책임 있는 AI를 실현하기 위한 기본 원칙을 공표하는 것이 2021년 이후는 늘어나고 있습니다.

 

AI의 딥 러닝은 무슨 뜻일까요?

 

AI 면접이란? 도입하는 기업들이 점점 많아진다구요?